A farmacogenómica faz sentido — então, por que razão a indústria farmacêutica não a está a utilizar?
A farmacogenómica (PGx) chegou a um paradoxo invulgar. As evidências científicas estão consolidadas, as vantagens clínicas (e económicas) são inegáveis e, no entanto, a sua adoção continua a ser lenta, fragmentada e desigual.
Particularmente em ensaios clínicos, o perfil farmacogenómico quase nunca é utilizado. Uma análise do ClinicalTrials.gov identificou apenas 619 ensaios intervencionais relacionados com PGx num total de 350 728 (~0,18%), e menos de metade especificava claramente quais os genes que estavam a ser estudados, apesar de a PGx nos ensaios poder fazer várias coisas muito práticas:
Sinal de eficácia mais claro: menor variabilidade -> história mais clara de quem
responde/não responde Menos eventos de segurança: identificar genótipos de alto risco precocemente -> menos RAM evitáveis
Menos atritos no ensaio: menos desistências, menos medicamentos de resgate, menos “simulacros de incêndio”
Melhor estratégia de dosagem na fase inicial: a PGx ajuda a explicar os outliers de PK/PD antes que se tornem surpresas de toxicidade limitante
da dose Argumento mais sólido na linha de chegada: subgrupos definidos prospectivamente -> estratégia de rotulagem mais defensável para os pagadores
Para a maioria das equipas de desenvolvimento, a PGx ainda parece algo que acrescenta complexidade sem reduzir claramente o risco: mais ensaios, mais coordenação, mais questões regulatórias, mais coisas que podem correr mal. Quando os prazos são apertados e o fracasso é dispendioso, o instinto é simplificar, não introduzir mais uma variável, mesmo que essa variável seja clinicamente relevante. É exatamente por isso que a PGx tem tido dificuldade em passar de «boa ideia» para «infraestrutura padrão» nos ensaios clínicos.
Relatórios de experiência clínica também observam que os painéis comerciais de PGx podem deixar de incluir genes-chave acionáveis definidos pelas orientações da CPIC/FDA/DPWG, ao mesmo tempo que incluem variantes com pouca evidência, tornando mais difícil saber quais resultados são realmente úteis na prática. Mesmo quando o gene relevante está incluído, os painéis podem não capturar consistentemente todos os alelos clinicamente acionáveis (tais como variantes do número de cópias ou estruturas híbridas), o que pode levar a uma classificação errada dos metabolizadores entre os participantes.
Mesmo quando os testes PGx são utilizados, têm de se enquadrar em prazos de ensaio apertados: programas como o PREPARE exigiam que os resultados fossem devolvidos no prazo de ~7 dias para se manterem clinicamente relevantes e, em contextos do mundo real, a implementação de PGx envolve tudo, desde a seleção de genes e tradução de fenótipos até à elaboração de relatórios, lógica CDS e integração de EHR entre várias equipas. Na prática, transformar dados de sequenciação em fenótipos alinhados com as diretrizes depende frequentemente de pipelines bioinformáticos especializados e de infraestruturas locais, introduzindo atrasos, desafios de interpretação e variabilidade entre centros, com os médicos a citarem consistentemente as restrições de tempo e a complexidade da interpretação dos resultados como principais barreiras.
A ironia é que o argumento mais forte a favor da farmacogenómica já foi apresentado. O estudo PREPARE demonstrou que a PGx preventiva reduz as reações adversas aos medicamentos clinicamente relevantes em cerca de 30%. Isso não é insignificante. É o tipo de magnitude de efeito que a indústria farmacêutica costuma celebrar.
Mas o PREPARE também revelou discretamente por que razão a PGx ainda não se expandiu: genotipagem centralizada, prazos de resposta de vários dias, coordenação pesada, sobrecarga de processamento de dados e painéis que nunca foram concebidos para ensaios globais e de evolução rápida.
Por outras palavras, a biologia funcionou. A logística não.
É aqui que entra a DNA ME.
Na DNA ME, abordamos a farmacogenómica em torno do sequenciamento por nanoporos com uma solução de software eficiente e simplificada, porque essa combinação torna finalmente a PGx compatível com a forma como os ensaios funcionam na prática.
O sequenciamento por nanoporos permite gerar dados genéticos perto do local do ensaio, em vez de enviar amostras para um laboratório centralizado. Mais importante ainda, o sequenciamento de leitura longa identifica os farmacogenes mais relevantes (como o CYP2D6) sem as suposições e erros de classificação que afetam o sequenciamento tradicional de leitura curta
painéis. Mas o sequenciamento é apenas metade da história. O verdadeiro avanço reside no que acontece depois de os dados serem gerados.O DNA ME transforma leituras brutas em resultados farmacogenómicos padronizados, legíveis por máquina e prontos para ensaios, sem necessidade de especialistas em bioinformática para aceder aos resultados do sequenciamento. Os dados podem fluir diretamente para a monitorização de segurança, regras de escalonamento de dose ou lógica de ensaios adaptativos. As análises também podem ser executadas localmente num computador portátil básico; sem necessidade de GPUs ou de equipamento computacional dispendioso e sem carregar ou enviar dados genéticos sensíveis dos participantes.
O fluxo de trabalho baseado em nanoporos do DNA ME também consegue detetar a metilação CpG e a metilação específica de alelos diretamente a partir da mesma sequenciação, adicionando uma camada funcional ao perfil farmacogenómico sem ensaios adicionais ou processamento a jusante. Isto permite identificar participantes cujo metabolismo no mundo real possa diferir do seu genótipo previsto devido à regulação epigenética dos farmacogenes, ajudando a reduzir os valores atípicos de exposição e a melhorar a classificação dos metabolizadores dentro do mesmo pipeline simplificado.
No momento em que a PGx se tornar rápida, acessível e operacionalmente invisível (integrada da mesma forma que a amostragem farmacocinética ou os laboratórios de segurança estão integrados), a indústria farmacêutica deixará de questionar se vale a pena fazê-lo. A questão passa a ser por que razão aceitariam o risco de não o fazer.
Se já tentou integrar o PGx num ensaio, qual foi o maior obstáculo: custo, tempo de resposta, operações ou adesão interna?
Estamos curiosos em saber o que as equipas estão a observar na prática.
(E se quiser um painel pronto para ensaios + um fluxo de trabalho nanopore plug-and-play adaptado ao seu ativo, envie-nos uma mensagem na DNA ME e iremos construí-lo consigo.)